规模商用Wi-Fi的商业模式研究

全球Wi-Fi热点已成规模,随着Wi-Fi技术的不断完善,Wi-Fi规模商用的步伐不断加快.本文研究了国内外Wi-Fi技术的发展趋势,通过对用户使用Wi-Fi业务需求及其使用场景的分析,提出了规模商用Wi-Fi的商业模式及发展演进路径.     

基于排队论的车辆动态频谱接入系统研究

将动态频谱接入技术引入到车辆通信网络中,提出了一种使用空闲广播电视信道进行车辆动态频谱接入的模型。该模型将用户通信需求分为紧急和普通服务请求,构建马尔科夫链分析其服务过程,得到了能够满足不同需求的分析模型。仿真结果表明,该模型能准确分析车辆动态频谱接入的过程,当空闲信道数增加时平均等待时间减少,紧急服务请求的平均等待时间和平均队列长度都远小于普通服务请求。     

基于深度学习的Wi-Fi与iBeacon融合的室内定位方法

针对传统室内定位指纹法存在定位精度低、容易受到环境影响的问题,提出了一种基于深度学习的Wi-Fi与iBeacon融合的室内定位方法。离线阶段在参考点处采集各个AP和iBeacon的信号强度,使用这些信号强度数据对堆叠自动编码机进行训练并从大量带有噪声的信号强度样本中提取特征,构建位置指纹数据库;在线定位阶段,使用堆叠自动编码机获得待测点信号强度特征并与位置指纹数据库中信号强度特征进行匹配,通过近邻算法估计待测点位置。实验结果表明,基于堆叠自动编码机的室内定位算法具有更高的定位精度。     

GPS辅助捷联惯导系统动基座初始对准新方法

针对捷联惯导系统(SINS)初始对准问题,提出了一种无需经历传统的粗对准阶段而利用单天线GPS辅助直接进行动基座精确初始对准的新方法。该方法以惯性空间为参考基准,将初始对准姿态矩阵分解为三部分逐一实现,进一步对动基座对准进行了误差分析,指出了利用停车零速信息可以提高初始对准精度的思路。最后,载车运动环境下的初始对准试验结果表明,航向角对准精度达到了0.081°(1σ)。     

基于多描述编码和距离的车载网DSR路由技术研究

研究了车载自组网中基于多描述编码技术和车载节点间通信距离的按需路由DSR技术.针对车载自组网络拓扑的动态变化、车辆高速运动、车辆运行方向及其速度不可预知等特点,基于Ad Hoc网络按需路由协议DSR,研究了一种能较好地应用于车载自组网路由技术.该技术采用多描述编码技术和车载节点剩余能量改进了DSR的路由发现和回复过程....     

基于Wi—Fi的VoIP语音质量测试方案的分析与研究

着重分析在目前测试VoIP语音质量的基础上,如何应用已有方法,进行对基于Wi—Fi的网络语音电话的测试,并对这些测试方案进行对比,所研究出的客观的测试方案可以有效推动IP语音技术与无线网络技术的发展。     

车联网中基于DDQN的边云协作任务卸载机制

面对车载终端数据计算量的爆炸式增长,计算卸载是缓解车辆资源不足的有效手段。相比于单独研究云计算或边缘计算,让两者相互协作可以实现优势互补,提高系统的整体服务质量。在车联网中,制定适应环境动态性的卸载决策存在较大困难,其中任务的紧急程度也是一个不容忽视的因素。构建一个基于软件定义网络的边云协作任务卸载架构,并设计任务优先级的度量标准,将动态环境中的任务卸载决策问题建模为马尔可夫决策过程,从而最大化由时延和成本构成的任务平均效用。为了求解任务卸载决策,提出基于双深度Q网络的任务卸载决策算法以及基于优先级的资源分配方案,并设计一种卸载比例计算方法,以保障卸载的任务量能够在通信时间内上传完成的同时最小化任务处理时延。实验结果表明,相比于全部本地、全部卸载和平均分配资源3种固定的卸载算法,该算法时延和效用性能提高了2倍以上,在车辆数目适中的情况下,任务的完成比例可以稳定保持在100%。     

基于轨迹挖掘的公交车自组织网络路由机制

数据传递是车载自组织网络(VANET)应用不可或缺的组成部分.在城市中,公交车网络具有覆盖面广、行驶线路固定等特点,VANET应用中的数据传递可以通过公交车自组织网络实现,但公交车网络能否在VANET数据传递中发挥其独特的作用取决于对公交车运行规律的挖掘和利用的程度.文中提出了一种公交车自组织网络的路由机制Vela,该机制依托从公交车历史轨迹中挖掘的公交车运行时空规律,建立了公交车数据传递的概率时空模型,并给出了基于路段上公交线路相遇的数据传递路径的选择策略.与已有相关研究相比,Vela路由机制一方面以路段为粒度刻画了公交车运行的时空规律,这使得所获得的公交车运行规律兼具准确性和稳定性,另一方面,基于公交车运行规律估算路段上数据传递的延迟和可靠性,能获得尽可能好的服务质量级别的数据传递路径.实验结果表明采用Vela路由机制能实现具有高到达率和低延迟的数据传递,而且Vela路由机制具有较强的可伸缩性.     

基于Wi-Fi探针的火灾人员被动定位系统设计

当商场等公共区域发生火灾时,室内人员难以确定自身位置,错误判断火灾形势,造成安全疏散困难,而传统疏散示意图等标识手段仅能提供一般性意见,无法显示危险区域,安全疏散适用性较低。针对此情况,提出了基于Wi-Fi探针的火灾人员被动定位系统,系统使用Wi-Fi探针并采用被动定位方式进行区域人员定位,该系统可以生成区域人员分布热力图并标记火灾危险区域,提出WCS-KNN定位算法。结果表明：WCS-KNN算法比其他算法的定位精度最高提高了23.46%,运行时间最高缩短了10.75%,火灾人员被动定位系统能在火灾发生时确定人员分布及火灾危险区域并利用广播、区域智能疏散显示屏等手段引导人员安全疏散,并可在火灾中持续工作,该系统相较于传统疏散手段具有更好的适用性。     

基于RSSI和辅助节点协作的Wi-Fi室内定位方法

随着Wi-Fi的广泛应用,基于RSSI的位置指纹信息的室内定位也越来越受到研究者的关注。针对传统的基于RSSI的指纹匹配定位中只利用单个节点信息的缺陷,提出了一种基于RSSI和辅助节点协作的Wi-Fi室内定位方法,该算法首先基于RSSI序列相似性选择合适的辅助节点,并测量节点间的距离作为辅助信息以提高定位精度,同时还采用了自适应有色噪声卡尔曼滤波减小室内复杂NLOS环境造成的TOF测距误差,最后通过建模搜索以得到节点的精确位置。实验表明,在复杂环境下该算法定位精度优于其他主流方法,适用于基于Wi-Fi的室内定位系统。